MétaCan
Menu
Retour à la cohorte
Enregistrement W2769073299 · doi:10.1139/bcb-2017-0275

An enhanced chemoenzymatic method for loading substrates onto carrier protein domains

2017· article· en· W2769073299 sur OpenAlexvenueno aff
Tiia Kittilä, Max J. Cryle

Notice bibliographique

RevueBiochemistry and Cell Biology · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueChemical Synthesis and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesMonash UniversityDeutsche ForschungsgemeinschaftDeutscher Akademischer Austauschdienst
Mots-clésLinkerCoenzyme AEnzymeSubstrate (aquarium)PhosphataseBiochemistryTransferaseCofactorAdenylylationBiosynthesisChemistryPeptideCombinatorial chemistryBiologyReductaseComputer science

Résumé

récupéré en direct d'OpenAlex

Non-ribosomal peptide synthetase (NRPS) machineries produce many medically relevant peptides that cannot be easily accessed by chemical synthesis. Thus, understanding NRPS mechanism is of crucial importance to allow efficient redesign of these machineries to produce new compounds. During NRPS-mediated synthesis, substrates are covalently attached to peptidyl carrier proteins (PCPs), and studies of NRPSs are impeded by difficulties in producing PCPs loaded with substrates. Different approaches to load substrates onto PCP domains have been described, but all suffer from difficulties in either the complexity of chemical synthesis or low enzymatic efficiency. Here, we describe an enhanced chemoenzymatic loading method that combines 2 approaches into a single, highly efficient one-pot loading reaction. First, d-pantetheine and ATP are converted into dephospho-coenzyme A via the actions of 2 enzymes from coenzyme A (CoA) biosynthesis. Next, phosphoadenylates are dephosphorylated using alkaline phosphatase to allow linker attachment to PCP domain by Sfp mutant R4-4, which is inhibited by phosphoadenylates. This route does not depend on activity of the commonly problematic dephospho-CoA kinase and, therefore, offers an improved method for substrate loading onto PCP domains.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,793

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,280
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiochemistry and Cell BiologyMême sujetChemical Synthesis and AnalysisTravaux en français237 207